王涛：大语言模型时代的历史书写

大语言模型在文本生成方面的优势，给历史研究带来冲击，引发史学界关注。2022年，美国《历史与理论》（History and Theory）杂志刊发“数字史学与理论”（Digital History and Theory: Changing Narratives, Changing Methods, Changing Narrators）专题，讨论人工智能对历史研究的影响，并尝试理论反思。《美国历史评论》（American Historical Review）2023年第3期组织圆桌讨论，深度回应人工智能时代历史学科的生存空间问题，提出“作为历史学家的人工智能”（AI as historian）的观点。《史学理论研究》也在2024年第3期推出“数智时代与历史研究”笔谈，讨论生成式人工智能对于历史研究的挑战和机遇。从乐观的视角看，人工智能参与历史学者的研究工作，能够得心应手地扮演“文书助理”的角色。大语言模型可以胜任历史书写过程中的一些常规任务，比如调整格式、检查错误、翻译语言等，从而将历史学家从机械性工作中解放出来，专注于更高级的任务。激进的学者甚至认为，鉴于大语言模型作为“知识发现伙伴”的优秀表现，刊发学术论文时可以将大语言模型联合署名为共同作者，不过并非意味着我们能将历史书写托付给大语言模型。

一、大语言模型能否作为历史书写的作者？

对于历史书写而言，追求真相是一个维度，阐释是另一个维度。历史虽然以追求客观性为宗旨，但其中还存在很多主观的解释和评价。历史学家在书写历史时，不仅需要掌握海量的历史资料，还需要结合事件背景、人物性格、政治环境等方面，进行综合分析和诠释。这些工作内容涉及人文社会科学领域的高阶思维能力，目前的人工智能还无法具备。换句话说，大语言模型虽然能够在多条路径上协助历史学家，但是历史评价往往涉及复杂的社会文化因素，需要历史学家的人文素养与社会阅历，当前人工智能的发展水平还难以完全胜任这方面的工作。因此，比较乐观的历史学家在领教ChatGPT的真实水平后，反而释怀了——不仅不再担心会被取代，反而意识到历史学家只要具备提出更好问题的本领，就足以应对大语言模型的智能“涌现”。

大语言模型生成的历史文本，最大的遗憾是缺乏“人文性”。这实际上也是技术手段被引入人文学科之后出现的通病，会造成工具理性与人文价值的失衡，近几年发展起来的数字人文也存在类似的弊端。专家认为这样的研究流于表面的信息梳理和整合，既缺乏历史纵深感，有碎片化风险，也难以构建宏大的历史叙述体系。描述“现代世界社会体系形成的历史”，或者如美国哈佛大学历史学家伯纳德·贝林（Bernard Bailyn）认为的那样，将显性事件和关键文本放置到它们的原始情境中加以理解，本是历史研究的应有之义，然而却是人工智能所缺乏的。我们需要直面人工智能技术的核心痛点：基于算法的技术工具无法生成人文精神，原因在于目前的人工智能受限于技术架构，还无法获得高阶的思维能力。想要获得这种思维能力，或许不在于强悍的算力或惊人的存储空间，而在于真实的人生经历。学术研究与生活经历无法割裂，研究者不应成为“关在书房里，坐在靠椅中，处于人生之外”的陈腐之人。历史唯物主义强调，以现实生活为依据的研究，才能够深入问题的本质。马克思、恩格斯指出，“不是意识决定生活，而是生活决定意识”；恩格斯深入工人社区，根据亲身观察，才完成《英国工人阶级状况》。如果历史书写者没有充实的生活阅历，虽然不至于“丧失他的宇宙”，但一定会缺乏站在研究对象的角度审视问题的能力，想要达到与其思想同频共振的状态，更是天方夜谭。

在历史研究过程中抛开自身的教条与偏见，进行思想的融会贯通，从而理解思想与生命之间的内在联系，把握思想的价值意蕴，这种境界的达成，乃是史学家的至高追求，也是学者所推崇的“移情”效果。有学者认为，历史研究的“移情”，并非单纯地“移情”于个人心境，还要移情于研究对象所处的场景，运用强烈的“历史感”，具有对历史人物及其所处时代的洞察力和同情心。研究者不仅要把自己置于历史语境中，还要“以身载道”，达到与研究对象在思想层面的“同一性”，或许这就是所谓人文性的内核。它需要研究者有足够丰富的人生阅历，进行长期的调查实践，才能实现自我超越。年鉴学派代表人物布罗代尔（Fernand Braudel）在回顾自己的成长经历时，认为在乡村的生活经历至关重要，长时间在农村的生活让他成为具有“农民根基”的史学家。

ChatGPT以及DeepSeek等优秀的大语言模型虽然从技术上实现从无到有的跨越，但它们没有这种体验性的经历，其全部知识来自数据集，不论参数多么惊人，学习成果多么显著，由于缺乏鲜活的现实体验，很难具有人文属性。因此，就目前的技术水平而言，大语言模型既无法体察研究对象背后的主观意图，更无法理解思想的历史渊源和发展脉络，也难以通过算法体现非理性因素。在基于统计概率生成的文本中，人工智能想要获得人文关怀，似乎是在挑战一个不可能完成的任务。

这并非没有缘由的担忧，一个旁证让我们看到大语言模型的局限性。美国印第安纳大学比较文学教授道格拉斯·霍夫施塔特的一位读者，利用GPT-4杜撰一篇为什么将哥德尔、埃舍尔、巴赫等人并置在一起研究的文章。霍夫施塔特读过之后，对文章的整体评价是泛泛而谈的陈词滥调和华而不实的花言巧语，很多内容毫无事实依据。在经历了这次糟糕的体验之后，霍夫施塔特坚定地认为，聊天机器人不能取代人类的声音。究其原因，它们在文本之外的现实世界从未获得过任何经验。

生活经历之于历史研究的重要性，在科学哲学层面也有理论支撑。早在20世纪50年代，美国学者诺伍德·汉森就提出，所有观察行为都不可避免渗透着观察者先前的理论、假设、信念、文化背景及知识结构。这种主张深刻影响托马斯·库恩（Thomas Kuhn）等学者，逐步发展出“观察的理论负载性”（Theory-Ladenness of Observation）理论。历史学家就是史料的观察者，不同的生活经历让他们从现实世界获得多元经验，由此带来历史书写的丰富性。大语言模型缺乏个性化的生活经历以及“现场感”，倚重统一的核心算法，难以创作出具有个性色彩的学术研究，甚至会陷入海德格尔担忧的人性被技术异化的状态，使历史书写蜕化为“千篇一律”的标准内容，如同在流水线上生产的工业品。如果任由大语言模型生成的乏味文本成为“语言基础设施”的主体内容，整个历史世界的意蕴将陷入贫瘠，历史书写的多样性也将大打折扣。

尽管如此，人工智能之于历史研究，并非只有单纯的工具价值。当我们把目光转移到史学研究的新发展，特别是环境史研究，或许会对如何运用人工智能更好推动历史研究这一问题获得更多启发。从环境史的视野出发，我们可以将历史视为一个“生态系统”，在这个系统中，不能用单一因素来解释复杂的历史问题。人类社会发展、其他生物演变、气候环境变迁共同作用，互为因果，协同推动生态系统变化。它要求我们放弃人类中心主义，强调人类是生态系统的一分子，强调社会与环境的相互作用。环境史将人类历史视为自然的一部分，让历史研究获得更宽广的视野和更深入的思考，用新的视角看待世界，看待历史；人类也不是历史的唯一主体，而是复杂生态系统演化过程中的一环。社会个体、自然界生物、环境中的气候共同构建多元历史图景，合力推动生态系统演变。

如果我们把“生态系统”的范畴扩大，人工智能也可被纳入其中。回顾人工智能的发展历程，可以明显感受到其发展受到人类社会需求的驱动。从最初的定理、算法，到现代的计算机、虚拟助手、语言模型，人工智能的研究方向与应用都在随着人类社会发展而变化。社会需求推动人工智能的技术创新，解决了人类在很多领域面临的棘手问题，改善了生活质量，拓展了人类进化空间，但也带来很多全新挑战。在大语言模型大行其道的当下，人们担心，大量的工作岗位将不复存在。实际上，人工智能并非“搅局者”，本质上是系统的一分子，也是系统发展的结果，影响着人类社会的演变。人工智能将在消灭一部分工作岗位的同时，创造出新的工作机会，如“提示工程师”（prompt engineer）。人工智能的发展既依赖于社会环境，又不断推动人类社会进步；它改变社会，同时也被社会所限定，这正是“生态系统”复杂多元、充满活力的表现。

要洞悉历史研究的未来，就要运用生态系统的思维，让历史研究具备更加多样的面相，在时间尺度上更久远，在空间尺度上更广阔。人类历史以及历史书写，是生态系统的一部分，自然会受到大语言模型影响。随着社会结构与人类认知结构的变迁，大语言模型会促使历史学家更深入思考历史的本质，调整价值观与思维方式，进而反思传统历史研究的方法与理论体系。一个典型例子是历史学家对文献的认知转变。按照19世纪史学理论的观点，一名合格历史学家所需具备的全部技能，就是对文献资料的解读能力。这种认知可以概括为“无文献，不历史”（No documents, no history），跟傅斯年所谓“史学即史料学”异曲同工。但是，正如美国历史学家约翰·麦克尼尔所言，进入数字化时代后，“文献为王”的时代早已落幕，多元化史料已成为发展趋势，包括图像、影像等。这种认知转变源自技术发展，让更多非文献型材料有机会成为史料。能够灵活使用各种类型的材料展开研究，才能成为一名合格的史学工作者。从这个意义上看，在大语言模型推动下，历史学家不需要追问要不要将历史书写托付给大语言模型，而要追问如何托付。历史学家不要幻想主动拒绝就能摆脱大语言模型，它作为生态系统的一分子已经浸润学术生态，无可逃避。

二、历史学家的“副驾驶员”

大语言模型嵌入历史研究，会把史学引入百年未有之大变局。在ChatGPT发布之初，其极高的通用性和极低的使用门槛，引起民众广泛讨论，给学术界带来一种当头棒喝的压迫感。历史学家普遍对其半信半疑，一些有条件试用的学者，判定它不过是在“一本正经地胡说八道”，给其打上无用的标签。其中最严厉的批评者，当数著名语言学家乔姆斯基。不论是从工作原理，还是训练集的样本偏差看，大语言模型在历史专业问题上“翻车”实属常态。即便不以个案否定大模型的价值，而从它源自对人类知识积累的“压缩”看，也需要对大模型的答案持谨慎态度。不过，参与OpenAI开发的科学家苏茨克维（Ilya Sutskever）对信息压缩有另外的看法，他在一次访谈中提到，只有掌握一定的知识才能高效压缩信息，大语言模型已经具备这样的能力。苏茨克维之所以有此认知，主要是由于ChatGPT的训练数据几乎囊括人类有史以来的所有知识，由此生成的模型，“有足够强的学习和推理能力……它的领域足够宽，知识足够深，又足够好用”。

从“好用”的角度看，大语言模型可以成为历史学家的“副驾驶员”(copilot)。在大语言模型高通量算力面前，史学家引以为傲的博闻强识的知识积累、一目十行的阅读能力，将变得一文不值。在单纯比拼知识储备和信息检索的角力中，历史学家甘拜下风。但是，并不意味着历史学家在大语言模型时代没有价值。在数字人文领域中，对技术工具的使用并不能取代专业学者的解读，大语言模型还不能完全将历史学家排除在史学研究之外。在必将来临的人工智能时代，这就构成基于各自优势，施行“人机合作”工作模式的可能性：大语言模型发挥其效能，致力于材料搜集与整理，历史学家则在大语言模型协助下对材料进行充满人文价值的解读，后者将成为人类历史学家核心竞争力的一部分。

主驾与副驾的模式分工，是用工具论为大语言模型赋能，成为人机合作的根基。人工智能处理机械性的琐碎工作，历史学家负责判断与决策，两者实现高度融合，优势互补，共同推进历史研究。这种相处模式需要历史学家与大语言模型建立协作机制，也是很多基于大语言模型的应用软件的底层开发逻辑。笔者试用了相关应用，包括百度的文小言、北京大学的ChatExcel、谷歌的NotebookLM、腾讯的ima.copilot等，它们都在大语言模型基础上进行部署，实现的功能大同小异，但无一例外强调将自然语言作为链接用户与应用的接口，凸显人机互动的工作模式。

这种情况并非巧合，而是源自麦克卢汉提出的“媒介是人体的延伸”的经典命题。通过人机互动进行历史书写，大语言模型作为心灵延伸的属性将得到充分展现。国内智能语音领域的头部公司科大讯飞在2023年5月初推出自己的大语言模型，将其命名为“火花桌面智能助手”(SparkDesk)。“助手”这个关键词揭示了所有类ChatGPT应用的功能定位，而“spark”在英语中寓意“激情”、“创新”，就是希望能够为用户提供创意的催化剂。美国史学家林·亨特基于长期的写作实践认为，思想的火花需要在写作过程中逐渐变得清晰，人机频繁的互动交流无疑会加速以及优化这种“由书写促思考”的过程。近期，南京大学历史学院数智文献实验室团队基于大语言模型开发的档案文献管理平台，实现史料入库管理、翻译、查询、分析等功能，将有效促进人机合作的研究实践。

不过，历史学家与大语言模型的正确相处之道并非仅限于此。因为大语言模型的出现，生成式人工智能在文本应用方面取得重大突破，迭代升级将加速到来。我们在思考历史学家与大语言模型的关系时，要预留足够空间。当现实不足以勾勒出清晰图景的时候，可以借助科幻小说打开脑洞。关于人工智能的想象，未来学家已经设计了人类与机器的相处之道。知名科幻小说作家阿西莫夫（Isaac Asimov）早在20世纪40年代就开始展望人类与机器人互动的景象，在短篇小说集《我，机器人》（I, Robot）中提出机器人三大定律，期望在确定规则的约束下，让人工智能成为人类生活的可靠伙伴，实现与人类的和谐共生。

科幻小说关于人工智能与人类的关系设定固然有幻想成分，但人工智能成为人类生命的组成部分，由此推动人类演化到新阶段，未必不会成为现实。实际上，科幻小说关于“人机共生”的关系设定，在哲学反思中早已存在理论雏形。随着包括基因编辑在内的技术进步给人类生存环境带来的改变，理论家开始讨论“后人类主义”（posthumanism）的可能性。作为一种理论，后人类主义旨在挑战传统人类中心主义的观点，强调技术和科学进步将改变我们对身体、意识和社会的认知。后人类主义思想家认为，随着先进技术的发展，我们可以通过改变人的身体、神经系统和社会结构来创造更优越的人类形态。这个新形态的人类将有可能超越生物学和文化条件的局限，具有更强的适应性，并在更高的智力和意识状态下生存。后人类主义思想家提出一些具有争议的观点，包括鼓吹脑机接口、基因改造等。

“后人类主义”被一些学者称为“技术视野下的后人类主义”，其理论源头可以追溯到20世纪50年代关于“控制论”的讨论。该学派有技术决定论的倾向，认为信息技术发展到一定阶段后，人工智能与人类实现共生将是自然而然的事情。不过，人类把人工智能当作可以相处的对象，从某种意义上就是认可人工智能的主体性。按照马克斯·韦伯的说法，现代性的重要前提在于对前现代社会进行祛魅，强调人的主体性（anthropocentrism）；而人工智能的崛起，让人类社会有可能形成多元自然观（multinaturalism），与“后人类主义”主张的“多元宇宙”有异曲同工之处，成为人机共生关系的理论基础。

在“技术奇点”大概率如期而至的未来，人类社会发展必将出现转折。在很多评论性报道中，ChatGPT的出现，被人们贴上“iPhone时刻”这样具有划时代意义的标签，人类社会或许已经正式进入人工智能时代。在此背景之下，人与机器之间的相处模式，并不是单纯地将机器“生物化”，或者将生物“工程化”，完成“人造与天生的联姻”，更不是要让人工智能取代历史学家，而是要让人工智能成为人类的“伴侣物种”（companion species），实现向后人类史学的转变。

将人工智能视作历史学家的“伴侣物种”，其实是强调“人写的历史，不必只是人的历史”。这个思路的认知前提在于，历史书写是关于过去的全方位记录，关注人类与非人类生物的关联，如家畜和宠物、草原上的野兽、热带雨林中的昆虫等，都能通过寻找它们与人类的伴生关系获得更多历史书写的意义。发现表象之间的更多关联性，会促进历史研究范畴的变化。林·亨特提到，历史研究曾经具有浓厚的精英主义色彩，所以会高度关注传统政治议题，而不会对美国历史上的奴隶制度进行严肃讨论。但是，在高等教育向更多群体开放之后，社会不同阶层之间的互动更加频繁，历史研究的面相也发生改变，自下而上的视角打开全新的研究世界。同理，将人工智能作为“伴侣物种”引入研究过程，不仅会带来方法论上的扩充，也会带来议题上的更新。它将倒逼历史学家在很多方面进行调整，包括但不限于研究视野和理论体系的更新，主动学习技术工具，关注新兴研究领域，提升自身的信息技术修养。

需要关注的是，学者在历史研究中使用大语言模型还存在技术上的壁垒。历史学家与人工智能的“共生关系”在多大程度上能够实现，还有诸多不确定因素。不过，我们可以基于当前的技术突破，试着展望未来5年历史研究的发展。2024年2月，OpenAI公司推出令人惊艳的用文字生成视频的大模型Sora，在官方技术文档中，Sora被赋予“物理世界模拟器”的重任。李飞飞团队则提出“大世界模型”（Large World Model）的概念，据称仅需一张图片就能生成完整的虚拟三维世界。当以Sora为代表的人工智能模型开始模拟符合物理世界规律的场景之时，在历史研究的语境中，它们就不再是简单的视频生成工具，而将成为历史学家开展“历史模拟”的助手。基于大模型的易用性，在讨论具有复杂因果关系的历史事件时，史学家将有可能凭借历史模拟器，通过高效的、低成本的“自然实验”，找到历史发展的真正动因，探索重大历史事件的长时段影响，探讨战争与和平的转换机制等。史学研究将不再局限于对文本材料的逻辑推理，而是可以进行更加复杂的因果关系的无限模拟，持续深化历史研究的问题意识和研究议题，展开真正跨学科的研究。一方面，同行学者可以在历史模拟器中验证结论，通过改变不同的参数，对历史决定因素展开有效探讨，进一步强化史学研究的科学属性。另一方面，历史模拟还能够改善教学体验，比如“复活”教科书上的中外历史人物，让观众获得对历史场景的沉浸式体验。

三、当下的挑战

对未来的展望令历史学家欢欣鼓舞，但是当下的挑战迫在眉睫。尼古拉斯·卡尔在《浅薄》一书中回顾技术发展史，结合最新脑神经科学实验结果，证明技术会重塑人类大脑。他写到，我们用来搜索、储存和分享信息的技术将彻底改变大脑的神经网络，让认知变得越来越浅薄。这跟他早年提出的“谷歌让我们变笨了吗？”遥相呼应。此振聋发聩的追问让我们意识到，“共生关系”带来的演化并非一定朝向进步的、正向的方向发展，大语言模型让文本生成变得如此便捷，可能会让人产生思维惰性。

在传授历史书写技能的教学领域，如何让历史专业的学生既尽早学会使用大语言模型，又激发他们的原创性思考，将是一个颇具挑战的议题。已经有学术培训机构看到ChatGPT背后的商机，适时推出提升学术写作能力的课程，广受欢迎。商业公司甚至开发了各种人工智能学术论文写作辅助系统，实现学术论文写作的标准化流程。例如一个主打学术创新服务的平台，开发了多款采用人工智能的学术服务产品，其中有一键在线生成本科甚至硕士论文的工具。

这正是令高校历史专业教师焦虑的事情。如果历史专业的学生认为掌握ChatGPT就能完成高质量的历史书写，他们还会认真进行专业学习吗？ChatGPT刚刚面世时，出于相似的担忧，国内外很多高校都对大语言模型下达了禁令，认为它会破坏高等教育。但是，对于新生事物，被动的“堵”不会优于主动的“疏”。不久之后，以英国为代表的高校联盟，制订在高等教育中使用生成式人工智能的规则，不仅解除对ChatGPT的禁令，还主动提出培养学生的人工智能素养。南京大学从2024年秋季学期开始，在国内高校首开先河，面向全体本科新生开设“人工智能通识核心课程体系”。为了让学生能够独立完成历史写作，教师需要让学生掌握使用人工智能的技能，主动应对人工智能带来的挑战。

从历史研究的维度看，要缓解人工智能带来的焦虑，可以采取如下几种措施。首先，用史学研究强调的多重证据，来减少对大语言模型的依赖。接触不同的观点和经验可以帮助我们更独立地思考，避免过度依赖单一的信息来源。尤其需要防止被各种虚假信息迷惑，堕入信息茧房。要降低对大模型的预期，因为基于目前人工智能算法，“幻觉”（hallucination）可能在不经意间出现，无法避免，历史工作者对此更需警惕。人工智能在历史知识的准确度上可能并不值得信赖，一项最新的研究设计了一套全球史知识测试标准（HiST-LLM），让不同大模型回答历史问题，表现最好的GPT-4 Turbo也只有46%的准确率。

其次，要对大语言模型的局限性了然于心。局限性主要体现在三个方面：第一，大语言模型的算法基于统计概率，仅仅是对人类既有智慧产品的抽取，生成貌似连贯的文本。历史书写不是上帝在掷骰子（爱因斯坦曾经用这个比喻来嘲讽量子力学），而是要在对史料的条分缕析中找出确定的因果关系，从而发现历史规律。第二，历史学家往往会把史料放置在具体的历史语境中进行解读，大模型的文本生成内容由于缺乏历史语境，会出现误判；同时，作为研究者，如果放弃对原始史料的直接阅读，任由AI工具进行提炼和整理，将难以真正消化材料，对文献的理解始终存在隔膜，这是历史研究最忌讳的地方。第三，需要认识到大语言模型在训练集的选择方面会反映创建者的“偏见”，会让模型本身并不能做到“如实”（wie es eigentlich gewesen），从而让大模型带有“天生的”立场问题。

历史学固然是追求真相的学问，但历史研究也需要想象力，这是获取历史真相的必然路径。有时，历史材料的不完整性会迫使史学家把“直觉”应用于研究。然而，技术进步可能对人类的想象力和思维方式带来负面效应。所以，在人工智能快速发展的当下，保护历史学家的想象力，成为极为迫切的事情。在历史学的框架下，想象力或直觉并非天马行空地胡思乱想，而是基于学科规则的创新。我们面临的挑战更加具体而微：如何在人工智能不被滥用的前提下，为历史研究的想象力预留足够的施展空间。

对于整个人类社会而言，大语言模型带来知识呈现形态的巨大飞跃，降低了知识获取以及学术写作的门槛。但是，我们也要清晰认识到，不同的大语言模型，很有可能都来自同样的训练数据集，有相似的算法，简言之，学术写作有可能源自标准化的知识背景。纵使不同用户会使用不同的“提示词”，但内容的生成基于概率分布，学术创新有可能蜕化成通过参数微调就能实现的事情，这将是对推崇差异性、主张自由探索的学术创新精神的破坏。因此，在大语言模型流行的时代，真正能够体现历史学家核心竞争力的，不再是对历史知识的把握，也不是对材料的垄断，而是“学识”。所谓“学识”，是面对稀松平常的史料，能够作出更深刻解读，能够关联到其他史料，发现新问题，勾勒格局更宏大的历史图景，从而让历史研究成为具有“宏观性和理论性、可以被定位在更大分析框架之中的提问”。

我们不能忽视历史“学识”的重要性。近年来，生成式人工智能的技术水平已经达到新高度。2023年底，谷歌公司推出对标ChatGPT-4的Gemini，并在2025年初升级到2.5版，支持多模态功能；OpenAI的ChatGPT也进化到4.5版；最新版的Grok3模型宣布免费开放；2025年初，国产大模型DeepSeek横空出世，更是火爆全球。南京农业大学的团队在2023年底推出致力于处理中国古籍的“荀子古籍大语言模型”。还有多家公司开发基于人工智能的“深度研究”（Deep Research）工具，宣称要“让科研像聊天一样简单”。“百模大战”的局面带给人们一种感觉，人工智能作为超级工具已经开始“飞入寻常百姓家”，比如，擅长由文字生成图像的人工智能产品Midjourney的出现，让普通人获得成为“艺术工作者”的机会。但是我们必须清醒地认识到，如果使用者没有相应的学术修养，根本无法驾驭，至少不能充分挖掘超级工具的潜能。在毫无思想准备的用户面前，大模型不过是屠龙之技。

即便有大语言模型加持，如果用户不能在学术脉络中思考、提问，就不能驾驭大模型，反而会被大模型驾驭。所以，历史学家想要有效地使用大语言模型，仍然需要经过历史思维的锤炼，展现历史学家的专业性。否则，过度依赖人工智能，可能使历史书写滑落到糟糕的境地，不仅导致对人工智能工具的路径依赖，还可能造成学术思维惰性，让学术成果变成“AI味”浓郁的辞藻堆砌。任何一个有学术理想的史学家，都不会将历史书写的权利完全让渡给大模型。总而言之，不论使用哪个概念来定义历史素养，历史学家的核心竞争力，依然立足于读书与思考，根植于真正的实践阅历。

结语

我们坚信，虽然大语言模型会对历史研究产生重要影响，但不会替代人类历史学家。 两者应该融合利用，发挥各自优势，它需要历史学家具备开放思维，不断推进理论创新与方法论变革。不过，历史学家在具体研究实践中如何利用大语言模型，何时能带来史学理论的突破，在当前还是有待深入探讨的话题。中国历史研究院历史研究杂志社近期发布了《关于规范生成式人工智能工具使用的启事》， 明确了史学工作者允许使用和禁止使用人工智能的场景，具有很好的示范效用。综合一些历史学者与人工智能的交互实践，目前比较可靠的应用场景包括：协助学者识读历史文献（包括手写体、图片、多语种材料等），基于检索增强生成（Retrieval-Augmented Generation，RAG）技术为历史学家创建本地知识库，巧用大模型的“幻觉”为历史阐释提供新思路，发挥大模型的代码生成功能定制个性化的研究工具，等等。

大语言模型还在不断升级迭代中，人工智能给历史研究带来的影响还需要持续观察，但我们依然乐观地认为，历史研究的未来在于人工智能与人类历史学家的深度协同。人类历史学家在大语言模型的辅助下，提高工作效率，不断增强思辨能力，提出更有见地的问题；大语言模型则是重要的“伴侣物种”，在人类的监督和指引之下，产出更好的答案，生成质量更高的历史文本。二者通力合作，实现“人机共同价值观校准”，未来的历史书写将有机会破茧化蝶，达到一个崭新高度。

在当前的技术条件下，人机合作就是史学家与人工智能“共生关系”的初级表现形式，成为应对人工智能给史学研究带来的挑战的重要途径，这是史学家的共识。然而，在历史研究中使用大语言模型仍面临着显著的技术难题：一方面，学者需要突破技术壁垒才能有效运用这些工具；另一方面，大语言模型并非基于物理世界的因果推理模式，决定了它们不是从历史文献中挖掘因果关系的可靠助手。简单地将人工智能视作历史学家的“副驾驶员”，无法从根本上解决问题。我们可以设想，在理想情况下，如果司马迁和修昔底德两位被各自文化传统尊为史学之父的前辈，能够充分使用大语言模型来协助研究工作，他们是否会成为更优秀的历史学家？从目前大语言模型的表现来看，我们可以推测：司马迁无须耗费毕生精力即可完成《史记》；修昔底德的《伯罗奔尼撒战争史》将更具可读性，两位史家或许能够留下更多传世佳作。但是，司马迁和修昔底德之所以令人敬仰，仅仅因为他们具有高超的研究效率和丰硕的学术成果吗？即使借助人工智能的帮助，修昔底德也难以在古典希腊的文化语境中创作出媲美《蒙塔尤》的作品来。这种假设不仅因为史学家个人才能的差异，更是因为希腊时代的大语言模型无法具备年鉴学派具有的跨学科视野和人文情怀。